穿越产业周期，重启人工智能新时代。
8月22日，中国科技产业智库「甲子光年」在北京举办了「2023甲子引力X科技产业投资大会」，数十位行业大咖聚焦产业前沿话题，以人工智能等硬科技投资为起点，剖析科技产业新风口，共同探寻科技产业新趋势、新机遇、新未来。
2023年，ChatGPT为代表的生成式人工智能席卷全球，正在开启第二波人工智能浪潮。从AI1.0到AI2.0，穿越产业周期，围绕模型算力、产品落地、应用场景、投资逻辑的讨论仍在继续。投模型还是投应用？AGI时代何时开启？人工智能商业化又该如何破局？
在下午的圆桌论坛环节，砺思资本前沿科技投资负责人葛志飞与BV百度风投董事总经理刘水、真格基金合伙人刘元、未来智能COO王超、华映资本管理合伙人章高男、海尔资本管理合伙人张嘉诚、线性资本董事总经理郑灿以《不破不立：重启通用人工智能新时代》为题，共同探讨AI2.0时代投资逻辑新变化与未来发展趋势。
以下为现场嘉宾交流实录，「甲子光年」整理删改：

1.重启人工智能 ，AI投资发生哪些变化？

葛志飞：大家下午好！我是Monolith砺思资本前沿科技投资人葛志飞。砺思资本成立到现在2年时间，VC基金和对冲基金都有，主要关注下一代数字产业和智能制造方向。请各位投资人朋友们先自我介绍一下，这次圆桌论坛主要关注AI，大家可以说一下这半年来投资AI的情绪变化，以及自己投资的项目。
砺思资本前沿科技投资负责人葛志飞
刘水：大家下午好！我是来自BV百度风投的刘水。BV百度风投成立于2017年，是由百度集团发起的市场化VC。BV百度风投自成立便开始聚焦AI领域的布局和探索，可以说是完整的经历了AI1.0，也见证了2.0时代的到来，截至目前BV在全球范围布局了200余个项目，包括AI的底层技术、B端和C端的相关应用，以及AI延伸的一些硬科技等。当下，全球迎来了大模型热潮，我们依然专注在以AI为核心的投资理念。今天很高兴和各位同仁一起讨论分享，谢谢！
刘元：大家好，我是真格基金的刘元。真格基金于2011年成立，是国内最早的天使投资机构之一。我们专注于投资早期项目，并始终秉持“投人”哲学。在过去12年里，我们一直积极在人工智能、自动驾驶、芯片等领域寻找最优秀的创业者。例如，我们投资了芯片领域的瀚博和燧原等，以及自动驾驶领域的Momenta、Nuro等公司，并成为它们的首轮投资人。所以，真格一直在投技术。十年前，我们投资的项目中，一半是技术型的创业公司，而另一半则倾向于商业模式型或者消费型公司。最近两三年，真格基本投的都是技术驱动的公司。
总有人问我们是不是all in AI，虽然“all in”这个词语已经变得有些滥用，但我们确实看到了大量与AI技术紧密相关的项目。随着技术的进步和市场的发展，众多项目都分布在AI的各个应用层、中间层或者底层。因此，我们的投资策略并不是单纯地追求AI，而是追求技术创新与市场潜力。例如，今年上半年我们投资了20多个项目，而其中很多项目都在不同程度上与AI技术交织在一起，所以总体来说我们还是比较积极和活跃的。
王超：大家好，我叫王超，来自未来智能。我们团队成立于2021年11月，主要是做AIGC相关的产品。我们的产品主要基于TWS耳机提供用户语音记录转写工具，是耳机加硬件的服务产品。目前已经推出了两三代了，在京东、天猫都有比较好的评价，相信在座的投资者朋友，很多都是我们的用户。基本是这样，谢谢大家。
章高男：大家好，我是华映资本章高男。华映资本目前主要的两个大方向，一个是科技，一个是消费。在科技上，过去我们比较专注于企服和智能制造，投了几十家公司，过去几年在新能源上也有一些布局。我们对AI一直有持续关注，AI本身是一个技术，而不是行业分类。我们过去也投了与AI相关的项目，包括AI PaaS平台、AI检测、AI数据标注等项目。
张嘉诚：大家好，我是海尔资本的张嘉诚，感谢主办方提供这次机会。 海尔资本是海尔金控旗下的投资平台。海尔大家都很熟悉，是全球领先的美好生活和数字化转型解决方案服务商。海尔资本是具有差异化的产业投资机构，围绕集团的重点产业布局做相应的投资。在过去十年，我们管理了超29支基金，管理规模300亿+，投资了将近300个项目。关于我们的投资风格，海尔资本还是希望沿着产业链做产业生态布局，同时可以通过产业全生态投资模式赋能帮助企业成长 。
我们的投资方向主要有两个：一个是智能科技，包括一些技术、应用和信息化等；第二个方向是医疗健康，我们非常聚焦于医疗器械、相应的医疗服务以及医疗信息化等领域。在这两个方向上，我们今年持续出手相应的项目。我们公司总部在上海，在北京、青岛等地都有办公室，是一个全国布局的 CVC 公司，非常希望今天下午大家能够多交流、多合作，谢谢。
海尔资本管理合伙人张嘉诚
郑灿：大家好，我是线性资本的郑灿。线性资本主要投数据智能和前沿科技，也和今天的话题比较相关。2014年成立至今，线性资本共完成五期基金的募集，总管理规模大约20亿美金，投了120家公司左右。我们主要是投早期，像我们最早投资的地平线机器人，神策数据等也是大家比较了解的公司。数据智能是我们主要的一个大赛道，所以在过去一年，人工智能发生很大跃迁变化的时候，我们很多企业也从中受益。我觉得这也是让我们非常兴奋的，所以一会也可以多交流。
葛志飞：从技术发展本身来看的话，如果说2012年AlexNet开启了第一波AI的话，现在OpenAI的大模型可能正开启第二波 AI浪潮，这是从技术供给端角度看到的变化。但实际上，作为投资人，我们还是希望看到产业上能够真正有落地。我想听听各位投资人朋友分享一下，从上一波AI到今天第二次AI浪潮，大家有哪些特别关注的领域吗？可以抓住各自一个特别喜欢的领域来分享。
刘水：BV百度风投在AI+行业的领域做了很多的探索，所以我们对AI的发展很有感触，我们认为大模型的发展是底层技术范式变革带来的。我们过往投了很多基于 CV 的 AI 行业解决方案，像工业、医疗、金融、营销等等，我们最近比较关注AI+传统行业。以工业为例，工业互联网或者说工业视觉发展了很多年，用 AI或者大模型赋能会带来什么样的变化呢？我们看到主要有两个机会：一是有可能用语言模型的能力把很多专业的工业知识做成知识库；二是像工业视觉检测等领域，传统CV无法把一个模型覆盖到多个场景，今天在多模态的赋能下，有机会真正地解锁更多的场景，并且可以和工业的软硬件及解决方案更好地深入结合。
BV百度风投董事总经理刘水
刘元：我们观察到的情况是，国内ToB的创业较多，出海做ToC的较多。因为国内ToC监管环境不够明朗，很多创业者担心政策上的不确定性，而中国创业者做ToC的出海能力已经比五六年前强很多了。比如我们投资的Monica.im、HeyGen等，都是在非常短的时间内在海外 ToC 领域获得了很多用户关注。包括我们投资的一些做模型的公司，他们的端到端模型在出海方面也有非常大的野心和抱负，这是相比于上一代AI创业者更明显的变化。
我们更多是投人，也更关注人。从这个角度来看两次AI浪潮的不同的话，我们也很明显地看到国内的投资者对科学家、学校教授更加重视了。投技术不像消费，人工智能是更加学术的，大家都是学术上的名门正派，是顶级的研究院校出来的教授或学生团队。可以说，投资人正在向学校、向技术最前沿的聚集地靠拢。另外，因为在技术上，硅谷有很多大模型的技术积淀，所以VC整体上也在看，海外拥有比较强技术能力的中国人是不是有机会。中国团队不仅在海外能做出非常主流的应用，也能推动非常重要的变革性技术进展。
王超：我们团队一直在做智能语音交互，一直在AIGC这个领域耕耘，聚焦于职场人士办公领域会议记录的需求，努力去解决垂直细分领域的用户痛点问题。2018 年我们就和中国移动合作，做了全球第一款智能翻译耳机，并一直在这个领域迭代。耳机是离嘴巴最近的智能硬件或可穿戴设备，在很多智能语音交互场景中是一个很好的入口。但是在ChatGPT出现之前，我们更多是基于NLP技术，做的还是比较低效的人工智能，当时做起来还是很痛苦的。但从今年起，随着各种大模型的出现，我们发现很多落地效果不够理想的功能可以被优化了，并推出了全球第一款基于 AIGC 的耳机，上市后得了不错的反响，在京东、天猫上的好评率有98%。通过人工智能生成文本，进行跟进和整理工作，也大幅提高了大家办公效率。这也是为什么我们有很多投资圈的朋友或者记者、学者、大学生等群体在使用我们的产品。
未来智能COO王超
章高男：刚刚在说新老AI，从数学上讲，所谓大模型在数学上、理论上没有任何突破。但Open AI做了一些很好的工程优化方法，在自然语言的语意理解方面实现了很大的突破，这块大模型已经做得非常出色了。  
如果从未来投资的机会来讲，简单的说可能有几个方向：第一个就是算法上的突破，投算法的策略。我们说GPT的T（Transformer）不一定是最优的，因为这种框架本身的技术局限性是无法产生真正的推理能力的，也许有比Transformer更好逼近通用人工智能的框架和算法。投算法中国土壤比较差，对投资人要求也极高。第二个方向，是在通用大模型的基础上做相关应用。之前我把通用大模型比作轮子，轮子上可以造汽车、摩托车、坦克等等，这里面有大量机会。 第三个方向是借鉴大模型在语言模型的成功，把类似的深度学习技术泛化到非语言模型的应用拓展，即从语言模型扩展到其他非语言领域的模型，这也是一个很好的机会。因为我主要投资To B领域，比如智能制造、材料等，这些领域需要大量仿真计算，虽然不是语言方面的，但同样可以借鉴深度学习和大模型的框架进行尝试，这也是大模型给我们带来的启示，也是我个人投资的重点之一。
华映资本管理合伙人章高男
张嘉诚：人工智能是一个非常古老的话题，十年前我们觉得人工智能离我们并不遥远，机器对话、人脸识别，很多需要依赖人的问题，现在一句话就能解决。现在回头看，包括今天圆桌议题叫“不破不立，重启新时代”，为什么要重启这个新时代？其实大家应该都清楚，在过去十年的人工智能发展过程中，存在大量的坑，很多公司可能当时很兴奋，后来发现它到底有没有真正的智能和学习能力，有没有基础的技术原创能力？事实上发现是没有的。另外，很多人工智能公司估值和团队都很优秀，但实际上并不落地，没有市场。科创板开了以后，对这类公司相对比较友好。但在科创板开之前，很多人包括创业者都陷入比较大的困境，所以我们今天才谈到“不破不立”，才会谈到“重启新时代”。
作为投资人，我们穿越这个周期后，会更加客观理智地看待投资，包括通用人工智能的新时代。其实产业资本非常现实，不管你的算法多好，你的团队是院士团队还是千人团队，只要你的东西在我的产业上没用或者太贵，我肯定不会投。在这种情况下，除了底层算法和技术创新之外，我们更多地关注AI在产业上、实际行业上的应用。当然，在上一个周期，我们也投了很多公司，包括上游的芯片、算法公司，包括云从科技。在那一波行情中，云从的市值达到了 300 多亿将近 400 亿，我们也分享到了一些红利。但是大家可以想象，多少公司才会出一个云从，多少公司里面才出一个真正原创的人工智能公司？
回到下一个我们看好的投资机会上，我们更多要依靠在细分赛道中作为产业资本的敏锐度，要真正能够帮助细分行业解决问题。但同时也不一定，我们的资金管理规模较大，早期投资较少，大部分投资集中在成长期和成熟期。在这个阶段我们发现，一个公司的技术可能不是其唯一的竞争力，但仍然是很重要的组成部分，更多的可能是通过技术解决行业的问题，甚至在行业中占据一定的位置，形成一定的结果，这是我们最常见的情况。比如我们投资一家物流行业的泛人工智能公司，它只是通过软硬件结合的模块解决现有物流行业的效率和安全问题，现在它的技术也不是最领先的，但现在前五大物流公司都是它的客户，每年都采购它的产品，这就是我们验证的一个方向。所以作为产业投资来讲，我们可能更实际、更现实，也配合基金的整体节奏往前走。
当然，我们也非常关注早期的算法。其实大家可能不知道，在大家看来完全传统的家电行业，尤其是白电行业，在我们的认知里国产化率是非常高。但实际上，高端的家电行业国产化率只有百分之二十几，也就是说70%的份额还是依赖进口。不管是软件还是硬件，我们都还有很长的路要走，所以我们非常关注早期的核心技术。在人工智能领域，我们还是非常谨慎地看待穿越周期的问题。
郑灿：从我们的角度来看，我们当年把自己的方向定在数据智能和前沿科技，而非人工智能和前沿科技，有一部分原因是，大家狭义理解的 AI，就是我们说 CV 和 NLP 相关的技术，其实是非常受限的。这些技术能在限制得很好、很标准的场景下把一个问题解决得不错，但是泛化能力很差，换一批数据、换一批场景，模糊一些的问题都解决不了。所以其实我们过去投数据智能时，强调 AI，CV、NLP 要和机理模型等结合起来，这是我们以前的蛮主要的一个投资思路。
今天发生的一个很大的变化，不是今天的模型本身什么都会，而是这个模型具备了利用各种各样知识的能力。今天我既可以用模型本身解决一些问题，也可以用模型加上我的知识搭一个专业领域的模型，我们看到它的可能性和上限非常非常高，这也把它的能力差距很大地体现出来了。刚才讲到领域，今天大家可能很多时候讨论 AIGC 更多放在内容的创作上，很多强内容领域都会直接得到很多帮助。除了大家提到的游戏，营销，我们先不谈商业模式，先谈价值，教育其实也是一个非常非常强内容的领域。另外除了内容生成，大模型本身有很强理解和组织知识的能力，类似于结构化。之前从数据的生成到可以被利用需要大量的人力和IT系统来做结构化。未来可以用AI来完成这个规整的过程，从一个非常随意的输入方式转化到一个完全可以利用的知识。这个和业务流程、商业活动有非常强的相关性，所以在更长的过程中，大家可能会慢慢挖掘出其中更具有实际意义的价值，这也是我们特别感兴趣的方向。

2.投模型还是投应用？

葛志飞：今年，不管是国内还是国外，在AI领域的投资上大部分钱最后还是流向了模型公司。在行业内大家也会讨论，到底应该投模型公司还是应该投应用公司？因为这一波热潮与上一波不同，上一波 AI 更像是基于特定场景的人工智能，而这一波 AI 的潜力在于它具有更强的泛化能力。所以在专用领域投资永远存在一个风险，即大模型公司可能某天就会将你颠覆。因此，从整个 AI 赛道布局角度考虑，我们基金希望在模型本身和应用层都能下注，以避免技术发展过程中存在的不确定性。所以在大模型领域我们投资了清华杨植麟的月之暗面，在细分领域也都有布局。下面请投资过大模型的两位机构也来分享一下，你们如何看待大模型本身的壁垒？
刘水：首先，大模型的出现让我们非常兴奋。我们的投资既有大模型，也有应用层，这也是基于BV长久以来坚持围绕AI的系统性投资逻辑。在模型方面，BV百度风投团队研判下一代多模态是必然趋势，所以我们投资了像生数科技，它基于一个Transformer网络架构实现图文模态之间的任意跨模态生成，团队也在自主研发更高参数量的产业级大模型，在文本、图像的基础上融入3D、视频等更多模态数据。不仅如此，我们在早期也押注了西湖心辰，是国内最早推出一系列 ToC 产品的大模型公司，像AI 写作、AI 绘图、AI 心理咨询等，目前积累了两百多万 C 端用户，于此同时，西湖心辰也在探索B端的应用，和许多知名的企业在深度合作，比如汤姆猫、知衣、星巴克、支付宝、知乎、酷家乐等。
AI Infra（AI 基础设施）层面也是我们整体布局里很重要的一环，最近我们刚投了聚焦编译技术的中科加禾，我们认为在中国的算力平台和整个底层基础设施的芯片分布上，未来绝不是一家垄断的，而是会有专门做 CPU、DPU、NPU 的多种生态。中科加禾可以更好地帮助芯片厂商形成统一的编译器平台，帮助开发者更好地开发。所以回过头来看，BV还是一直坚持以AI为主题的投资，我们躬身入局AI领域已经多年了，AI的发展是自下而上，不是单点开花，所以我们的被投企业分布在底层、中间层和应用层。
刘元：在今年年初，所有人因为Chatgpt变得很兴奋，我自己也有些惊讶。因为三年前 GPT-3 出来的时候，我们就和很多大厂的朋友聊，他们当时也没有认为大模型这么重要。今年年初，大家之所以兴奋是因为，很多年没有出现过规模效应、网络效应都非常强的事情了。因为做大模型对规模性的要求是很高的，这么多人做肯定不会所有人都成功。我们的投资逻辑就是投人。举个例子，因为我们是循环智能的老股东，当时就听说杨植麟是他们的神中之神，这么厉害的人做大模型，所以就立马决定投了。
真格基金合伙人刘元
葛志飞：王超总，因为你们相当于是从科大讯飞分离出来的，有一些先天优势做AI 场景落地。我想请您分享一下，从技术跟产品层面上，你们公司和产品的优势在哪些地方？
王超：对于我们来说，核心是回到场景和用户问题本身，看能否解决用户的问题。一个 AIGC 创业团队能否成功，算力、算法、场景和数据这四个要素缺一不可。刚才提到，Meta的开源大模型已经不是门槛，反而数据和场景成了门槛。我们这个团队一直聚焦在商务办公领域，致力于解决职场白领在会议中遇到的问题。我们的投资者一天要开 7、8 个会议，这么多会议怎么整理？就是要靠AIGC 形成会议摘要等，这样才能解决用户在会议场景下的相关问题。
长远来看，随着模型的小型化、离线化，未来 AIGC 可以更好地与智能硬件结合，通过各种眼镜、手表、耳机等终端获取数据，然后通过好用的产品让用户产生更多黏性，产生更多数据，这些数据反过来又可以反哺模型训练。刚才讲到，未来模型可以离线化，随着智能硬件的算力越来越高，有些模型可能在手机上就能运行。未来 AIGC 创业团队或者公司瞄准的方向，就是 AIGC 如何与智能硬件结合，在用户场景中解决各种问题。所以，最后还是要落到场景和数据上。我们公司成立不到两年，已经产生了大量聚焦的数据，这些数据对我们和用户来说都是一笔很大的资产，因为它的成本很高，我们的用户每天开会，每天就算一个小时，可能产生几千个小时的会议时长，这就是为什么我们的产品复购率很高，用户发现我们的产品不错，就会产生大量数据，还要继续使用我们的硬件，而且硬件有使用寿命，背后服务的价值是最大的，这也是我们这个团队的核心点。
葛志飞：感谢王总的分享，前面两位刘总分享了纯软件层面上 AI 的一些落地应用，王总提到了 AI 在智能硬件上的应用。下面请章总和张总，从制造业的层面上分享一下，你们如何看待 AI 的落地或者未来三五年的潜在应用？包括机器人这个领域。
章高男：我个人对机器人领域投资比较保守，这是因为每个人有自己的投资方法和投资逻辑，我的投资逻辑不太适合投像机器人这种每个细分都有很多玩家的项目，因为机器人很难一家独大，而稀缺性是我投资最强调的因素。但这不代表机器人领域没有投资机会，相反这是一个极大的增量市场机会。机器人领域有很多优秀公司，我也会看一些在toB领域技术特点特别突出的项目。
我个人理解不管硬件、载体形式如何，其实只要有数据，就有机器学习，就会有 AI，这是底层逻辑。工业里面有大量数据，只不过不一定是语言数据，而是机器数据，包括 IT 数据或传感器数据等等。这些数据里面既有结构化数据，也有很多视频和图像等非结构化数据。在制造业里AI能给我们一些启示就是，随着制造业数字化的普及和深入，越来越多的生产管理和业务管理都可以充分跟AI结合。特别是在生产作业现场，很多处理对实时性要求很高，这给基于边缘计算和AI有机结合的融合技术提供了大量的应用场景。我们可以借鉴一些深度学习的算法和场景结合起来，甚至把大模型应用到科技计算。我们过去仿真都是建立一个数学模型，数学模型求解，解各种多维非线性方程，学计算机的都知道这是巨大计算挑战和难题，因为越精确，数据和算力要求越高，收敛难度也越大。能不能换一个方式，不用严格数学推理的非线性求解计算方式，我们也许可以用神经网络去求解，我觉得这里面有不少机会，我个人会花很多时间找这样的机会，在工业里面借鉴所谓大模型底层的一些算法的机制，特别是自我注意力机制，这也是一个探索。
张嘉诚：关于机器人在智能制造、制造业中的应用，我们确实做过比较深入的思考。海尔算是工业 4.0 比较早的落地公司，也是黑灯工厂的标杆，同时也是最早做工业互联网的企业之一。在这种情况下，我们对于机器的自动化、生产制造的高效运营以及人工智能和制造业的结合，看过很多项目。但是，从另一个角度来看，作为设备制造公司或者能够承接海尔这种体量和规模的创业公司，其实并不是一个好的投资标的。虽然我们是 CVC，但是海尔在我们的 LP 中的持股比例已经降到 50%以下，我们还有外部 LP，作为直接投资人，我们还是追求项目整体的发展和性价比。这时候我们发现，如果只是在智能制造领域做大的创新型人工智能公司，并不是一个好的投资标的。在这种情况下，我们宁肯往上游投一点，投资核心部件、算法算力公司，或者往上投一些场景解决方案公司。回到投资本身，我们还是要看项目在这个产业里的位置。但是从创业角度来看，我们认为中国还有大量的发展空间，不管是核心部件、设备、软件，甚至是综合解决方案集成等等，在制造业中都有大量的应用空间。我们集团也非常重视这方面的布局。作为投资人，我们还是看中后期的项目，特别早期的原创技术我们也看，但是实际上出手并不多，很多时候我们还是看这个领域比较成熟的机会。
郑灿：我们有认真思考过投模型，也留了一部分钱用来投大模型。其实我们两年前就投了一个做 AGI 的公司叫心识宇宙，大家有兴趣可以了解一下。从我们的角度来看，我们想找到一个不管是模态还是学习机制都相对不一样的，新范式的模型，这点我们的确暂时没有找到。当然还有一个原因就是今天的大模型公司太贵了。
线性资本董事总经理郑灿

3.大模型开启了AGI时代？

葛志飞：有一个问题想问郑总，应用未来高度依赖开源大模型，能否请你推演一下未来三五年开源模型和不开源模型的格局会是什么样？
郑灿：其实要推演三到五年还是挺难的。谷歌之前做过一些推演，他们觉得大家都没有护城河。我的理解是，从方法论的角度，大家没有什么护城河，大家的想法和做法相对比较类似。但从数据、钱、芯片的角度来看，还是有护城河的。大企业、资金很充足的初创企业，是有优势的。开源生态能走多远，在某种意义上不仅取决于有多少东西留在外面，也取决于大企业为了各种原因愿意有多少的回馈。目前做得最好的模型没有开源，这也是第一次，业界最好的东西开源市场上无法获取。但很快我们有了LLAMA2，作为一个能力稍微弱一些的替代。对于大部分的事情或者需求，目前的开源模型也能做到80分，并且所有人都可以用。我觉得未来开源大模型的性能大概率会稍弱于最好的闭源模型，但对于大多数要解决的问题来说，可能也足够了，这是我的理解。
葛志飞：顺着郑总的分享，再问最后一个问题。大家对于大模型未来的预期是什么样子的？比如现在是 GPT-4，未来几年如果训练出 GPT-5、GPT-6、GPT-7，能力增长是线性的还是指数型的？如果持续增长，慢慢出现通用人工智能之后，你相信这个东西能够走向通用人工智能之路，还是你觉得可能性不存在？
刘水：BV团队相信 AGI会到来，我们支持下一步大模型走向开源，逐渐把一些技术拉平，并且融合到各个行业里，更多地、真正地深入到产业中去，实现行业智能，这也是AI 普适化的意义。比如，最近我们的被投企业华为天才少年稚晖君的创业公司智元机器人发布了首款第一代通用型人形机器人远征A1，是大模型与人形机器人的结合，让很多业内人士表示又看到了AGI的曙光。我们还是保持着期待的态度，给新兴技术一点耐心和时间，毕竟任何一个行业、技术的发展都会经历波峰波谷。
刘元：从蒸汽时代、电气时代、信息时代再到今天，我们已经一次又一次地见证了技术如何颠覆人们的生活。之所以 ChatGPT 那么火，原因是它远超人们的预期。我们相信技术只会越来越好、越来越便宜、越来越广泛适用，所以我们还是比较乐观的。
王超：我们是做智能硬件的，所以我们会关注 AIGC 怎么和智能硬件结合。当然我们现在做的还是基于大模型做自己的定制化模型，后面我们也会做自己的垂直场景服务模型。因为通用的大模型来讲，实际上它很多数据集来自公开网络数据，在很多聚焦场景、细分场景并不是特别好。我们现在还是聚焦在办公领域，针对某些很细分的赛道，比如投资人、律师，可能我会在这个领域里做一些很机器化的 AIGC 内容，包括私有的小模型，这是我们后面要努力的一些方向。我们刚刚讲了，模型的小型化、离线化是趋势，还有对隐私的保护要求也会上升，如果往这个方向走，AI毫无疑问要和硬件做结合。这个硬件有可能是手机、耳机、手表、眼镜等等，但我们一定说做我们自己擅长的，因为我们团队一直做语音交互的，我们会结合自身的优势，做耳机、眼镜等和人的嘴巴离的更近的产品，这是我们的思考，谢谢。
章高男：现在有很多大模型，随着技术的发展，大模型的使用门槛会越来越低，人人都可以使用。但是大模型跟通用人工智能差得很远，最多算是一个起点，现有大模型不能产生思维。未来应该会有更多的算法和模型去逼近通用人工智能，但这还是非常遥远的事情。
张嘉诚：这个不好说，过去很多新的技术很快就陷入了内卷之中，快速形成了一个非常拥挤的赛道。作为我们来讲，还是要坚守产业投资的底线，做时间的朋友。
郑灿：从模型的角度来看，大家肯定都在往更大、能力更强的方向发展，但很快也会遇到瓶颈。因为今天这些模型的体量是过去无法想象的，这些瓶颈可能不仅是软件或是硬件，而会发生在更基础的能源，材料等领域，今天最大的一些企业在大模型基础设施上已经遇到了供电的问题，所以再往前要有非常大的效率和能力提升，会在很多层面上遇到挑战，需要有方法论上的突变和变化，这是我们期待的事情。AGI 更遥远一些，不知道什么时候才能实现，但总会到来。
葛志飞：多谢各位。
END.


继续阅读
阅读原文